目录
专属SRC范围小，所以难度大一些
CNVD挖到的漏洞要有一些影响面，才能拿到证书
教育漏洞平台给的面是很大的，给很多目标，我们按照常规思路来讲的话，自己去手工测试和提交这些漏洞，这个是不现实的，因为要花很多时间，用手工去挖掘漏洞，效率不高，而且非常麻烦，不可能每个网站，我们都去搞一下
像edu这种平台，我们去提交漏洞，如果是小白，没有办法找到漏洞，只能去挖自己学校的漏洞去提交，那么它只能提交这个学校的漏洞，其它学校的漏洞就不知道了，那就会对我们小礼品和排名都会有影响
我们挖edu，一般利用的都是批量，先用脚本把目标的信息资产给爬下来，然后使用扫描器对信息资产进行扫描，然后对扫描完的结果进行验证
定点检测可以根据最新的漏洞，影响面比较大的漏洞，这些漏洞在网上都有利用的代码和批量检测的脚本，如果是最新的漏洞那可能只会有一些漏洞详情，它不会有这些批量漏洞检测脚本
这个时候就需要我们单独开发，所以这里就会涉及到python的知识点，或者你懂其它的语言你能写出来也可以
定点检测就是根据特定的漏洞进行检测，例如TP代码执行、Shiro反序列化、fastjson反序列化
2020年漏洞复现大全：https://github.com/TimelineSec/2020-Vulnerabilities
这个项目就是之前人整理的漏洞复现项目，这个资料就是让你了解漏洞是如何实现的，资料再结合你的开发知识，去写那个批量的脚本
一般的漏洞复现，我们是可以使用脚本去写poc的，如果碰到复现过程复杂的，那可能会复现不出来
大部分都是web类的，无非是用python里面的请求库去实现，如果还有一些不能实现的话，那就需要你单独去实现
我们在挖src的时候，挖出来漏洞就可以了，不要去把它数据搞出来呀什么的，大家只需要验证漏洞的存在性就可以了，不要去影响它业务的正常功能，你乱搞的话，可能就GG了
危害比较小或者无关紧要的就不会收了，提交漏洞尽量写的详细，图片上传上去，不要说单独的文字说一下，写漏洞详情的时候，文字表达能力也是重要的，漏洞危害写的玄乎一点，说不定等级就会评高了，比如我们写个sql漏洞，看这个权限低的，只能注入到漏洞，把它写上去能获取到什么数据库权限，搞几个截图，它就会认为的确会获取到数据库权限，能在后期做很多事情，这样子它就会把你评到高危漏洞
使用脚本爬取edu网站上的目标信息
python
import requests # requests模块是用来发送网络请求的 安装：pip install requests
from lxml import html # lxml 提取HTML数据，安装：pip install lxml
import threading # 导入threading模块实现多线程
# 从教育漏洞报告平台中提取之前网络安全的前辈提交的漏洞报告
etree = html.etree # lxml 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档
def src_tiqu(Start,End):
"""
src_tiqu 从教育漏洞报告平台中提取之前网络安全的前辈提交的漏洞报告
:param Start: 开始爬取的页数
:param End: 结束爬取的页数
:return: None
"""
for i in range(Start,End + 1):
url='https://src.sjtu.edu.cn/list/?page='+str(i) # range(num1,num2) 创建一个数序列如：range(1,10) [1,2,...,9] 不包括num2自身
print(f'正在读取{Start}~{End}页数据')
try:
data = requests.get(url).content # 使用requests模块的get方法请求网站获取网站源代码，content读取数据
# print(data.decode('utf-8')) # 请求返回的HTML代码
soup = etree.HTML(data)
result = soup.xpath('//td[@class="am-text-center"]/a/text()') # 提取符合标签为td属性class值为am-text-center这个标签内的a标签text()a标签的值/内容
results = '\n'.join(result).split() # join()将指定的元素以\n换行进行拆分在拼接 split()方法不传参数就是清除两边的空格
print(results)
for edu in results: # 遍历results列表拿到每一项
# print(edu)
with open(r'src_edu.txt', 'a+', encoding='utf-8') as f: # open()打开函数 with open打开函数与open()的区别就是使用完成后会自动关闭打开的文件 a+：以读写模式打开，如果文件不存在就创建，以存在就追加 encoding 指定编码格式
f.write(edu + '\n')
except Exception as e:
pass
if __name__ == '__main__': # __main__ 就是一个模块的测试变量，在这个判断内的代码只会在运行当前模块才会执行，在模块外部引入文件进行调用是不会执行的
yeshu = int(input("您要爬取多少页数据（整数）:"))
thread = 10 # 控制要创建的线程
# 创建多线程，这个循环的次数越多创建的线程的次数就越多，线程不是越多越好,建议5到10个
for x in range(1,thread + 1):
i = int(yeshu / thread) # 页数除线程数（目的是让每一个线程都获取部分数据，分工）
End = int(i * x) # 结束的页数，设yeshu=50: 5、10、15、20、25...
Start = int(i * (x-1) +1) # 开始的页数， 1、6、11、16、21
# 我上面这样写的目的就是，让线程分工合作。如：线程1就去获取1 -5页的数据、线程2就去获取6 -10页的数据...
print(Start,End)
t = threading.Thread(target=src_tiqu,kwargs={"Start":Start,"End":End}) # 创建线程对象，target=执行目标任务名，args 以元组的形式传参，kwargs 以字典的形式传参
t.start() # 启动线程，让他开始工作
使用fofa收集目标信息
python
import requests # requests模块是用来发送网络请求的 安装：pip install requests
import base64
from lxml import html # lxml 提取HTML数据，安装：pip install lxml
import time
import threading # 导入threading模块实现多线程
def fofa_tiqu(Start,End):
# 循环切换分页
search_data = '"edu.cn"&& country="CN"' # edu.cn搜索的关键字， country 查询的国家 CN 中国
url = 'https://fofa.info/result?qbase64=' # fofa网站的url ?qbase64= 请求参数（需要base64字符串格式的参数）
search_data_bs = str(base64.b64encode(search_data.encode("utf-8")), "utf-8") # 把我们的搜索关键字加密成base64字符串
headers = { # 请求的头部，用于身份验证
# cookie 要改成你自己的，我的账号一退出，这cookie就会过期了
'cookie':'fofa_token=eyJhbGciOiJIUzUxMiIsImtpZCI6Ik5XWTVZakF4TVRkalltSTJNRFZsWXpRM05EWXdaakF3TURVMlkyWTNZemd3TUdRd1pUTmpZUT09IiwidHlwIjoiSldUIn0.eyJpZCI6MjUxMjA0LCJtaWQiOjEwMDE0MzE2OSwidXNlcm5hbWUiOiLpk7bmsrMiLCJleHAiOjE2ODAzNzI2NTd9.h_uVySL9-8aIk2TLbK8UseKkbJBxW2pIXvQ1WwnWRhh-fGoneK48kDQ5XYsTemRThPINHj_tLfNmd9WLJ8pDxg;'
}
# 循环爬取数据
for yeshu in range(Start,End + 1): # range(num1,num2) 创建一个数序列如：range(1,10) [1,2,...,9] 不包括num2自身
try:
# print(yeshu) # 1,2,3,4,5,6,7,8,9
urls = url + search_data_bs + "&page=" + str(yeshu) # 拼接网站url,str()将元素转换成字符串，page页数, page_size每页展示多少条数据
print(f"正在提取第{yeshu}页数据-{urls}")
# urls 请求的URL headers 请求头，里面包含身份信息
result = requests.get(urls, headers=headers).content # 使用requests模块的get方法请求网站获取网站源代码，content读取数据
etree = html.etree # lxml 库提供了一个 etree 模块，该模块专门用来解析 HTML/XML 文档
# print(result.decode('utf-8')) # 查看返回结果
soup = etree.HTML(result) # result.decode('utf-8') 请求返回的HTML代码
ip_data = soup.xpath('//span[@class="hsxa-host"]/a[@target="_blank"]/@href') # 公式：//标签名称[@属性='属性的值'] ,意思是先找span标签class等于hsxa-host的然后在提取其内部的a标签属性为@target="_blank"的href属性出来（就是一个筛选数据的过程，筛选符合条件的）
# set() 将容器转换为集合类型，因为集合类型不会存储重复的数据，给ip去下重
ipdata = '\n'.join(set(ip_data)) # join()将指定的元素以\n换行进行拆分在拼接（\n也可以换成其他字符，不过这里的需求就是把列表拆分成一行一个ip,方便后面的文件写入）
if 'http' in ipdata: # 判断ipdata中是否存在http字符串，存在说明数据获取成功
print(f"第{yeshu}页数据{ipdata}")
with open(r'ip.txt', 'a+') as f: # open()打开函数 a+：以读写模式打开，如果文件不存在就创建，以存在就追加
f.write(ipdata) # write() 方法写入数据
except Exception as e:
pass
if __name__ == '__main__': # __main__ 就是一个模块的测试变量，在这个判断内的代码只会在运行当前模块才会执行，在模块外部引入文件进行调用是不会执行的
yeshu = int(input("您要爬取多少页数据（整数）:"))
thread = 5 # 控制要创建的线程,本来开10个但是太快了服务器反应不过来，获取到的数据少了很多
# 创建多线程，这个循环的次数越多创建的线程的次数就越多，线程不是越多越好,建议5到10个
for x in range(1,thread + 1):
i = int(yeshu / thread) # 页数除线程数（目的是让每一个线程都获取部分数据，分工）
End = int(i * x) # 结束的页数，设yeshu=50: 5、10、15、20、25...
Start = int(i * (x-1) +1) # 开始的页数， 1、6、11、16、21
# 我上面这样写的目的就是，让线程分工合作。如：线程1就去获取1 -5页的数据、线程2就去获取6 -10页的数据...
# print(Start,End)
t = threading.Thread(target=fofa_tiqu,kwargs={"Start":Start,"End":End}) # 创建线程对象，target=执行目标任务名，args 以元组的形式传参，kwargs 以字典的形式传参
t.start() # 启动线程，让他开始工作
有了这些信息之后，就可以用awvs和xray进行批量的测试
进行特定检测的时候，一定要选取一些漏洞层面高的，又是比较新的漏洞，你如果用一些老的，就没什么意义，在官网这个地方找有POC的就完事了
这个就是它的poc
我们可以根据我们的python知识，把poc改成批量的
fofa搜索这个漏洞的edu资产
我们可以在网上搜索有没有这个漏洞的复现文章
通过关键字利用fofa，把它一筛，进行批量化的特定检测
我们跑50万个域名，那怕万分之一的概率命中，就有50个，50个一提交，那排名不是就嗖的一下上去了吗，这种批量挖漏洞是没有什么技术讲究的
像专属SRC就是要人工去测试了，不能用批量化的思路去弄，因为它的范围太小了，目标里面可能有业务
涉及资源：
360网络空间测绘：https://quake.360.net/quake/#/index
2020年漏洞复现大全：https://github.com/TimelineSec/2020-Vulnerabilities
大部分设备的默认口令：https://github.com/ihebski/DefaultCreds-cheat-sheet